python 轴 python轴向连接_5g

一起学习，一起成长！



什么是轴向连接？

在学习轴向连接数据合并运算前，我们需要先理解，什么是轴向连接？

数据处理与分析，特别是进行数据可视化时，会接触到x轴或y轴这样的概念。比如说，x轴代表的年龄，y轴代表的是收入，通常做的数据分析则是不同年龄的人平均收入情况。从这个例子中可以发现，轴代表的是一个变量或者称为数据表中的一个字段。而本文中的轴向连接中的”轴向“含义类似，则代表是数据方向，即列，还是行。

所以简单理解，轴向连接指的是数据按照列向进行连接，还是按照行向进行连接。

接下来，我们先使用Numpy创建一个数组，来理解一下什么是“轴向连接”：

In [12]: import numpy as npIn [13]: arr=np.arange(12).reshape((3,4))In [14]: arrOut[14]: array([[ 0,  1,  2,  3],       [ 4,  5,  6,  7],       [ 8,  9, 10, 11]])

然后使用Numpy的concatenation的函数，进行数据连接：

In [15]: np.concatenate([arr,arr],axis=1)Out[15]: array([[ 0,  1,  2,  3,  0,  1,  2,  3],       [ 4,  5,  6,  7,  4,  5,  6,  7],       [ 8,  9, 10, 11,  8,  9, 10, 11]])

通过上述结果可以发现，数组按照列向，进行列数据合并。除了Numpy，python中最为丰富且灵活，应用最为便捷且广泛的数据轴向连接函数是pandas 中的concat()函数。丰富的concat()函数参数，让其支持的应用场景足够满足实际需求。我们将会在下文中进行详细介绍。

使用pandas的concat()函数进行轴向连接

对于pandas对象(如Series和DataFrame)，带有标签的轴使你能够进一步推广数组的连接运算。具体点说，开需要考虑一下这些东西：

  • 如果各对象其他轴上的索引不同，那些轴应该是做并集还是交集？
  • 结果对象中的分组需要各不相同吗？
  • 用于连接的轴重要吗？

Pandas的concat函数提供了一种能够解决这些问题的可靠方式。

将值和索引粘合：concat()

具体查看concat函数效果前，我们需要创建3个数据集，具体如下：

In [17]: s1=Series([0,1],index=['a','b'])In [18]: s2=Series([2,3,4],index=['c','d','e'])In [19]: s3=Series([5,6],index=['f','g'])

对这些对象调用concat函数将值和索引粘合在一起：

In [8]: pd.concat([s1,s2,s3])Out[8]: a    0b    1c    2d    3e    4f    5g    6dtype: int64

默认情况下，concat是在axis=0上工作的，最终产生一个新的Series。如果传入axis=1，则结果就会变成一个DataFrame(axis=1是列)。

In [9]: pd.concat([s1,s2,s3],axis=1)Out[9]:      0    1    2a  0.0  NaN  NaNb  1.0  NaN  NaNc  NaN  2.0  NaNd  NaN  3.0  NaNe  NaN  4.0  NaNf  NaN  NaN  5.0g  NaN  NaN  6.0

这种情况下，另外一条轴上没有重叠，从索引的有序并集(外连接)上就可以看出来。传入join=’inner’即可得到它们的交集。

轴向交集：join=’inner’

In [10]: s4=pd.concat([s1*5,s3])In [11]: s4Out[11]: a    0b    5f    5g    6dtype: int64In [12]: pd.concat([s1,s4],axis=1)Out[12]:      0  1a  0.0  0b  1.0  5f  NaN  5g  NaN  6In [13]: pd.concat([s1,s4],axis=1,join='inner')Out[13]:    0  1a  0  0b  1  5

join_axes：指定在其他轴上使用的索引

可以通过join_axes指定要在其他轴上使用的索引：

In [14]: pd.concat([s1,s4],axis=1,join_axes=[['a','c','b','e']])Out[14]:      0    1a  0.0  0.0c  NaN  NaNb  1.0  5.0e  NaN  NaN

不过有个问题，参与连接的片段在结果中区分不开。假设想要在连接轴上创建一个层次化索引。使用keys参数即可达到这个目的：

In [15]: result=pd.concat([s1,s2,s3],keys=['one','two','three'])In [16]: resultOut[16]: one    a    0       b    1two    c    2       d    3       e    4three  f    5       g    6dtype: int64

轴变换：unstack()

In [17]: result.unstack()Out[17]:          a    b    c    d    e    f    gone    0.0  1.0  NaN  NaN  NaN  NaN  NaNtwo    NaN  NaN  2.0  3.0  4.0  NaN  NaNthree  NaN  NaN  NaN  NaN  NaN  5.0  6.0

如果沿着axis=1对Series进行合并，则keys就会成为DataFrame的列头：

In [18]: pd.concat([s1,s2,s3],axis=1,keys=['one','two','three'])Out[18]:    one  two  threea  0.0  NaN    NaNb  1.0  NaN    NaNc  NaN  2.0    NaNd  NaN  3.0    NaNe  NaN  4.0    NaNf  NaN  NaN    5.0g  NaN  NaN    6.0同样的逻辑对DataFrame对象也是一样：

同样的逻辑对DataFrame对象也是一样：

In [19]: df1=DataFrame(np.arange(6).reshape(3,2),                       index=['a','b','c'],columns=['one','two'])In [20]: df2=DataFrame(5+np.arange(4).reshape(2,2),                       index=['a','c'],columns=['three','four'])In [21]: df1Out[21]:    one  twoa    0    1b    2    3c    4    5In [22]: df2Out[22]:    three  foura      5     6c      7     8In [23]: pd.concat([df1,df2],axis=1,keys=['level1','level2'])Out[23]:   level1     level2          one two  three foura      0   1    5.0  6.0b      2   3    NaN  NaNc      4   5    7.0  8.0

如果传入的不是列表而是一个字典，则字典的键就会被当作keys选项的值：

In [24]: pd.concat({'level1':df1,'level2':df2})Out[24]:           four  one  three  twolevel1 a   NaN  0.0    NaN  1.0       b   NaN  2.0    NaN  3.0       c   NaN  4.0    NaN  5.0level2 a   6.0  NaN    5.0  NaN       c   8.0  NaN    7.0  NaNIn [25]: pd.concat({'level1':df1,'level2':df2},axis=1)Out[25]:   level1     level2          one two  three foura      0   1    5.0  6.0b      2   3    NaN  NaNc      4   5    7.0  8.0

names参数

此外还有两个用于管理层次化索引创建的参数：

In [26]: pd.concat([df1,df2],axis=1,keys=['level1','level2'],                   names=['upper','lower'])Out[26]: upper level1     level2     lower    one two  three foura          0   1    5.0  6.0b          2   3    NaN  NaNc          4   5    7.0  8.0

DataFrame行索引：ignore_index=True

最后一个需要考虑的问题是，跟当钱分析工作无关的DataFrame行索引：

In [27]: df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])In [28]: df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])In [29]: df1Out[29]:           a         b         c         d0  0.032443  1.113210  0.502779 -1.2270751 -0.613984 -0.204040 -0.630603  0.3415982  0.746166  1.518603  0.533425  0.320373In [30]: df2Out[30]:           b         d         a0 -0.350900  0.851649  0.9593481 -0.071497  1.916604 -0.993156

在这种情况下，传入ignore_index=True即可：

In [31]: pd.concat([df1,df2],ignore_index=True)Out[31]:           a         b         c         d0  0.032443  1.113210  0.502779 -1.2270751 -0.613984 -0.204040 -0.630603  0.3415982  0.746166  1.518603  0.533425  0.3203733  0.959348 -0.350900       NaN  0.8516494 -0.993156 -0.071497       NaN  1.916604

总体来说，6种轴向连接的pandas方法几乎覆盖到了数据合并场景。

大家可以依据上述内容进行实践，如遇问题，欢迎留言！喜欢的别忘记加个关注！感谢支持！